Preços e cobrança

Créditos pré-pagos, pagamento conforme o uso. Cada solicitação custa o que o preço do modelo indica, e o registro de solicitações mostra exatamente o que foi contabilizado.

Créditos

• Adicione créditos com cartão em Faturamento, a partir de $10. Eles são compartilhados por todas as chaves do workspace.
• Os créditos que você compra não expiram enquanto sua conta estiver aberta. Créditos de bônus de uma promoção expiram 90 dias após serem adicionados.
• Recarga automática, em Faturamento → Forma de pagamento: salve um cartão (os dados vão para a Stripe, nunca para nós) e adicionamos um valor definido sempre que o saldo disponível para novas solicitações (o saldo menos o que as solicitações em andamento reservaram, veja abaixo) ficar abaixo do limite que você definiu, no máximo uma vez a cada dois minutos e dez vezes por dia, com recibo por e-mail. Muitas solicitações em andamento ao mesmo tempo podem acionar uma recarga mesmo com o saldo total ainda acima do limite. Se o cartão for recusado, a recarga é pausada, e os proprietários e administradores são informados do motivo.
• Antes de uma solicitação começar, seu custo possível (a entrada e toda a saída permitida pelo max_tokens, ou um valor padrão se ele não for definido) é reservado do saldo até ela terminar, para que solicitações simultâneas não gastem os mesmos créditos duas vezes. Quando o saldo, descontado o que as solicitações em andamento reservaram, não cobre uma solicitação, ela é recusada com 402 insufficient_quota; um max_tokens menor exige uma reserva menor. Uma solicitação com streaming pode começar com saldo suficiente para a entrada e cerca de 1,000 tokens de saída.
• Um modelo que pode raciocinar sem mostrar esse raciocínio (um modelo com capacidade de raciocínio ou qualquer modelo ao qual você peça isso) só informa esse consumo no final. Por isso, quando o saldo cobre o início de uma resposta assim, mas não toda a saída permitida pela solicitação (seu max_tokens, ou cerca de 32,000 tokens se ele não for definido), o max_tokens enviado ao modelo é reduzido ao que o saldo cobre, com qualquer limite de raciocínio reduzido para deixar espaço para a resposta, e todo esse valor é reservado. O modelo para nesse limite, para que o raciocínio que ele não mostra não deixe o saldo negativo. Uma resposta cuja saída você vê conforme é gerada não tem esse limite reduzido: ela reserva mais saldo à medida que avança.
• Uma resposta longa reserva mais saldo à medida que avança. Se o saldo não cobrir mais, ou se a resposta atingir o max_tokens para o qual foi reduzida, ela para ali: um stream termina com um evento de erro insufficient_quota, e uma solicitação sem streaming retorna o que foi escrito até então com finish_reason: "length". Em ambos os casos, você paga apenas pelo que foi gerado. Raramente, o saldo ainda pode ficar um pouco negativo; a próxima recarga cobre essa diferença.

Quanto custa uma solicitação

Os preços estão na página de modelos. A página de cada modelo mostra o preço de tabela do laboratório ao lado do nosso.

Tokens de saída são o que o modelo escreveu para a resposta que você recebeu: texto, raciocínio e chamadas de ferramentas. Nunca uma repetição, outra tentativa ou algo que uma rota executou por conta própria. Se uma rota informar mais tokens de saída do que o modelo poderia ter gerado no tempo que a resposta levou, corrigimos a contagem antes da cobrança, e os dados de uso na resposta mostram o número corrigido.

O que é grátis

• Solicitações que falharam ou foram recusadas pelas regras de uma chave ou por falta de saldo.
• Imagens que um modelo se recusou a gerar e vídeos que falharam.
• Listagem de modelos e contagem de tokens.
• As instruções que adicionamos para que os modelos respondam mantendo sua identidade: você só paga pelo que envia e recebe.

Uma requisição interrompida é cobrada pela entrada e pela saída gerada até a interrupção: seja porque você cancelou ou se desconectou, porque o streaming foi interrompido ou porque o saldo ou o orçamento da chave acabou durante a resposta. Quando você se desconecta, a Zurelay continua lendo a resposta por até 30 segundos, e o que o modelo gerar nesse período também é cobrado. Em uma rota que para quando nos desconectamos dela, a resposta termina nesse ponto e você paga apenas pelo que foi gerado antes, a menos que o modelo possa estar raciocinando sem que isso esteja visível (ele tem capacidade de raciocínio, mas nenhuma parte desse raciocínio foi recebida ainda): esse raciocínio é cobrado até o momento em que nos desconectamos, mesmo sem ser exibido, por isso a leitura dessa resposta também continua. Com o roteamento inteligente, uma requisição respondida por um modelo alternativo é cobrada pelo preço desse modelo, e uma requisição ao Zurelay Auto, pelo preço do modelo que a respondeu.

Em casos raros, um modelo retorna uma mensagem de erro em vez de uma resposta. Se todas as tentativas de uma requisição terminarem assim, ela é gratuita como qualquer requisição que falha: você recebe 503 model_unavailable com retry-after. A entrada só é cobrada, uma única vez, quando o modelo continuou respondendo normalmente a outros clientes ao mesmo tempo, indicando que algo na requisição causa a mensagem (é possível escrever um prompt para isso), já que o modelo a leu em cada tentativa. Esse 503 informa isso, não tem retry-after e envia x-should-retry: false para que os SDKs da OpenAI e da Anthropic não reenviem a requisição. Mensagens sobre saldo ou cota nunca são cobradas.

Onde consultar

• O registro de requisições: todas as requisições com modelo, tokens, custo e velocidade.
• O gasto de cada chave de API hoje e neste mês na página de chaves de API.
• Seu histórico de pagamentos em Faturamento. A Stripe envia um recibo por e-mail para cada pagamento com cartão.